डिटेक्शनों का अंतर

पहले/बाद की छवियों में डिटेक्शनों का मिलान करें और हटाए गए, बने रहे, तथा नए ऑब्जेक्ट्स की रिपोर्ट करें।

विभिन्न समयों पर ली गई एक ही दृश्य की दो डिटेक्शन सेटों की तुलना करें और बताएं कि क्या हटाया गया, क्या बना रहा, और क्या नया है।

मानक उपयोग-केस है सफाई सत्यापन: एक कूड़े-भरे क्षेत्र की "before" फोटो पर एक डिटेक्टर चलाएँ और फिर लगभग उसी दृष्टिकोण से ली गई "after" फोटो पर, जब सफाई का दावा किया जाए। "before" छवि की वे डिटेक्शन जिन्हें "after" छवि में मिलान नहीं किया जा सकता, वे हटाई गईं - यह इस बात का प्रमाण है कि सफाई हुई। यही पैटर्न किसी भी before/after ऑडिट पर लागू होता है: शेल्फ पुनःभंडारण जाँच (कौन-से उत्पाद गायब हुए / दिखाई दिए), निर्माण-स्थल या गोदाम निरीक्षण दौर, पार्किंग-लॉट अधिभोग डेल्टा, या एक ही छवि पर दो अलग-अलग मॉडलों के आउटपुट की तुलना करके यह देखना कि ऑब्जेक्ट स्तर पर वे कहाँ असहमत हैं।

reference_predictions यह "before" सेट है, candidate_predictions यह "after" सेट है। प्रत्येक संदर्भ डिटेक्शन का मिलान अधिकतम एक उम्मीदवार डिटेक्शन से (और इसके विपरीत) युग्मवार लागत को न्यूनतम करके किया जाता है:

लागत = spatial_weight * spatial_term (+ class_mismatch_penalty)

जहाँ spatial_term है 1 - IoU ओवरलैपिंग बॉक्सों के लिए; असंलग्न बॉक्सों के लिए यह वापस जाता है 1 + d, जहाँ d जोड़ी के सबसे छोटे enclosing box के विकर्ण द्वारा सामान्यीकृत केंद्र दूरी है, इसलिए कोई भी ओवरलैपिंग जोड़ी हमेशा किसी भी असंलग्न जोड़ी से सस्ती होती है, जबकि असंलग्न जोड़ियाँ फिर भी निकटता के आधार पर क्रमित होती हैं। वर्ग दंड तब लागू होता है जब दोनों डिटेक्शनों के वर्ग अलग हों; साथ में class_strict सक्षम होने पर क्रॉस-क्लास मिलान पूरी तरह निषिद्ध होते हैं। जिन मेल खाई जोड़ियों की लागत इससे अधिक हो reject_cost उन्हें त्याग दिया जाता है, जिससे जोड़ी के दोनों पक्ष एक असमिलित हटाव/उपस्थिति बन जाते हैं।

आउटपुट: removed_detections (असमिलित संदर्भ डिटेक्शन, संदर्भ छवि के निर्देशांकों में), persisted_detections और new_detections (मिलान की गई / असमिलित उम्मीदवार डिटेक्शन, उम्मीदवार छवि के निर्देशांकों में), संबंधित गिनतियाँ, और एक सत्यापित ध्वज, जो तब true होता है जब संदर्भ सेट खाली नहीं था और कम से कम min_removed_to_verify डिटेक्शन हटाए गए थे।

यह ब्लॉक इसका समय-पार समकक्ष है roboflow_core/overlap_analysis@v1, जो दो डिटेक्शन सेटों को एक ही छवि से ज्यामितीय रूप से संबंधित करता है; यह ब्लॉक इसके बजाय एक ही दृश्य की दो छवियों के बीच डिटेक्शन का एक-से-एक मिलान करता है और सेट अंतर रिपोर्ट करता है।

प्रकार पहचानकर्ता

चरण में निम्न पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/detections_difference@v1 अपने workflow में ब्लॉक को एक चरण के रूप में जोड़ने के लिए।

गुण

नाम	प्रकार	विवरण	संदर्भ
name	str	इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..	❌
spatial_weight	float	मिलान लागत में स्थानिक पद का भार। स्थानिक पद 1 - IoU ओवरलैपिंग बॉक्सों के लिए होता है और 1 + सामान्यीकृत केंद्र दूरी असंलग्न बॉक्सों के लिए, इसलिए इसका मान [0, 2) के बीच होता है..	✅
class_mismatch_penalty	float	उस जोड़ी में जोड़ी गई लागत, जिसके डिटेक्शनों के वर्ग अलग हों। तब अनदेखा किया जाता है जब class_strict सक्षम हो (तब क्रॉस-क्लास जोड़ियाँ पूरी तरह निषिद्ध होती हैं)..	✅
reject_cost	float	जिन जोड़ियों की मिलान लागत इस मान से अधिक होती है, उनका मिलान नहीं किया जाता; फिर दोनों डिटेक्शन क्रमशः हटाए गए / नए के रूप में रिपोर्ट किए जाते हैं..	✅
class_strict	bool	सक्षम होने पर, अलग-अलग वर्गों के डिटेक्शन कभी भी मेल नहीं खा सकते, चाहे वे स्थानिक रूप से कितने भी पास हों..	✅
min_removed_to_verify	int	हटाए गए डिटेक्शनों की न्यूनतम संख्या जो (एक गैर-खाली संदर्भ सेट के साथ) के लिए आवश्यक है सत्यापित आउटपुट true होने के लिए..	✅

यह संदर्भ कॉलम workflow रनटाइम में उपलब्ध गतिशील मानों के साथ प्रॉपर्टी को पैरामीटराइज़ करने की संभावना को दर्शाता है। workflow रनटाइम। देखें Bindings अधिक जानकारी के लिए।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके binding kinds पर निर्भर करते हैं। जाँचें कि कौन-से binding kinds डिटेक्शन अंतर संस्करण में v1 हैं।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • reference_predictions (object_detection_prediction): संदर्भ ("before") छवि से डिटेक्शन। संदर्भ डिटेक्शन जिन्हें मिलान नहीं किया जा सकता candidate_predictions उन्हें इस रूप में रिपोर्ट किया जाता है removed_detections..

  • candidate_predictions (object_detection_prediction): उम्मीदवार ("after") छवि से डिटेक्शन। किसी संदर्भ डिटेक्शन से मिलाए गए उम्मीदवार डिटेक्शन को इस रूप में रिपोर्ट किया जाता है persisted_detections; असमिलित वाले इस रूप में new_detections..

  • spatial_weight (float_zero_to_one): मिलान लागत में स्थानिक पद का भार। स्थानिक पद 1 - IoU ओवरलैपिंग बॉक्सों के लिए होता है और 1 + सामान्यीकृत केंद्र दूरी असंलग्न बॉक्सों के लिए, इसलिए इसका मान [0, 2) के बीच होता है..

  • class_mismatch_penalty (float): उस जोड़ी में जोड़ी गई लागत, जिसके डिटेक्शनों के वर्ग अलग हों। तब अनदेखा किया जाता है जब class_strict सक्षम हो (तब क्रॉस-क्लास जोड़ियाँ पूरी तरह निषिद्ध होती हैं)..

  • reject_cost (float): जिन जोड़ियों की मिलान लागत इस मान से अधिक होती है, उनका मिलान नहीं किया जाता; फिर दोनों डिटेक्शन क्रमशः हटाए गए / नए के रूप में रिपोर्ट किए जाते हैं..

  • class_strict (boolean): सक्षम होने पर, अलग-अलग वर्गों के डिटेक्शन कभी भी मेल नहीं खा सकते, चाहे वे स्थानिक रूप से कितने भी पास हों..

  • min_removed_to_verify (integer): हटाए गए डिटेक्शनों की न्यूनतम संख्या जो (एक गैर-खाली संदर्भ सेट के साथ) के लिए आवश्यक है सत्यापित आउटपुट true होने के लिए..

• आउटपुट

  • removed_detections (object_detection_prediction): detected bounding boxes वाले sv.Detections(...) ऑब्जेक्ट के रूप में prediction.

  • persisted_detections (object_detection_prediction): detected bounding boxes वाले sv.Detections(...) ऑब्जेक्ट के रूप में prediction.

  • new_detections (object_detection_prediction): detected bounding boxes वाले sv.Detections(...) ऑब्जेक्ट के रूप में prediction.

  • removed_count (integer): पूर्णांक मान।

  • new_count (integer): पूर्णांक मान।

  • सत्यापित (boolean): बूलियन ध्वज।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/detections_difference@v1",
	    "reference_predictions": "$steps.before_model.predictions",
	    "candidate_predictions": "$steps.after_model.predictions",
	    "spatial_weight": 0.4,
	    "class_mismatch_penalty": 0.15,
	    "reject_cost": 0.75,
	    "class_strict": false,
	    "min_removed_to_verify": 1
	}